PRECYSE：基于Transformer的多模态时间序列传感器数据预测网络晕动症

网络晕动症是虚拟现实和增强现实应用中普遍存在的问题，严重影响用户体验。本研究提出PRECYSE框架，利用Transformer架构处理来自多种传感器的时序数据，包括头部运动、眼动和生理信号等，以预测用户是否会发生网络晕动症。该方法通过融合多模态信息，能够在症状出现前提前预警，为自适应VR系统提供关键决策支持。